从牛犊和大腿的磁共振图像中完全自动分离肌肉和肌肉间/肌肉内脂肪:Python中的一个开源工作流程
Kenneth Tam1,2, Si Wen Liu2,3, Sarah Costa3
1Department of Neurobiology, Physiology, and Behavior, University of California Davis, Davis, CA, USA.
Skeletal muscle
|December 28, 2024
概括
一个新的自动化算法 (ITSA) 准确地使用MRI测量肌内脂肪 (IMF),提高了临床试验的精度. 这种工具增强了追踪代谢研究中的变化和干预成功的能力.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 医疗技术 医疗技术 医学技术
- 量化MRI是指数量化的MRI.
背景情况:
- 肌肉内部和肌肉内脂肪 (IMF) 的增加与高代谢状态和炎症有关.
- 磁共振成像 (MRI) 可以描绘IMF,但缺乏可复制的工具来测量变化.
- 准确的IMF测量对于跟踪代谢研究中的干预成功至关重要.
研究的目的:
- 开发和验证一个开源的,完全自动化的算法,用于从T1权重的MRI对肌内脂肪 (IMF) 进行细分.
- 评估不同队列,MRI序列和解剖区域的算法的精度和稳定性.
- 提高国际货币基金组织量化研究和临床应用的可靠性.
主要方法:
- 一个代值寻找算法 (ITSA) 已开发用于牛犊和大腿MRI的自动化IMF细分.
- 该算法在三个独立的队列 (N=439) 上进行了测试,其中包括45-85岁的成年人.
- 通过重复成像来评估短期和长期精度,并与半自动化方法对算法进行验证.
主要成果:
- 完全自动化的ITSA在各种MRI序列和解剖学中表现出强大的性能.
- 包括3D连接和部分体积校正在内的改进,将测试重试误差从4.99%降至2.21%.
- 对半自动化方法的验证给出了0.92-0.98的R2值,而ITSA提供了保守的IMF数量估计.
结论:
- 开发的完全自动化的ITSA有效地解决了在MRI中为IMF一致的细分而选择动态值的挑战.
- 该算法具有较低的短期和长期精度误差,使其适合在随机对照试验 (RCT) 中使用.
- 该工具增强了准确测量和监测IMF的能力,支持对代谢健康和疾病的研究.
